公开(公告)号：CN119992552A

公开(公告)日：2025-05-13

申请号：CN202510475225.0

申请日：2025-04-16

Applicant: 南京信息工程大学

Inventor： 焦一平 ,  陈欣宇

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0895

Abstract: 本发明公开了用于数字病理全景切片的分辨率自适应无缝语义分割方法，属于图像分割技术领域。该方法包括以下步骤：获取待处理的病理全景切片图像；基于物理分辨率信息对病理全景切片图像进行自适应索引，得到目标图像块；构建语义分割模型，基于指定的分辨率的数据集，使用基于掩码的自监督学习方法对语义分割模型进行训练；利用目标语义分割模型对任意物理分辨率的病理全景切片进行语义分割。本发明所述方法能够在任意分辨率水平下产生局部视野，并正确地拼接产生高质量的全切片全景分割结果。

公开(公告)号：CN119963563A

公开(公告)日：2025-05-09

申请号：CN202510454717.1

申请日：2025-04-11

Applicant: 南京信息工程大学

Inventor： 王向学 ,  陈利亚 ,  孙婧文 ,  崔昊宇 ,  焦一平 ,  明文龙

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0895 ,  G06T11/20 ,  G06T11/60 ,  G06T3/147 ,  G06T7/136 ,  G06T7/194 ,  G06T7/33 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了一种基于深度学习的乳腺癌预后预测的多模态融合方法，包括：对数据集进行预处理，标记出全切片病理图像的组织区域并进行切片处理，提取多尺度特征，对医学影像图像进行重采样并提取肿瘤区域的特征；提出双流注意力模态融合进行特征融合：分别选取二维区域融合模块和三维区域融合模块对预处理后全切片病理图像和医学影像图像进行多尺度特征融合；利用三维区域融合模块对医学影像图像进行多区域特征融合；对齐多模态数据，使用自注意力池化进行跨模态特征融合，捕捉跨模态的交互信息；通过损失函数预测患者的无病生存期和总生存。本发明解决了单模态分析的局限性和预后效果不理想等问题，实现更精准的乳腺癌预后预测。